多模态

瞬恒智能人形机器人SynDexy C1完成首次小批量交付

瞬恒智能（SynDexy）宣布自研灵巧操作人形机器人SynDexy C1完成首次小批量交付，产品从研发验证进入工程化交付阶段。该机器人将用于消费电子、电子元器件客户工厂的精密装配工序，测试中关键任务成功率超过98%。SynDexy C1搭载自研视触觉传感器与视触力三态融合操作模型SynDexy M1，全身22个自由度，支持1毫秒实时运动控制，从2026年4月

Meta 悄然推出 AI 时尚应用 Style Sketch

Meta 悄然推出 AI 时尚应用 Style Sketch，用户可通过连接 Instagram 或手动拍照、录视频、上传图片来建立虚拟衣橱，应用会基于用户风格推荐穿搭，并支持在匹配体型与肤色的虚拟模特上试穿。该应用目前已在印度尼西亚、新加坡和泰国上线 iOS 与 Android 版本，Meta 未回应是否计划扩大发布范围。这是 Meta 近期密集推出 AI

另有 1 家信源报道

汤道生预告混元Hy4正式版：首次加入视觉理解，Flash版近期推出

在2026腾讯全球数字生态大会上，腾讯集团高级执行副总裁汤道生宣布混元大模型Hy4正式版即将发布，相比8月开源的Hy4 Preview实现全面提升，强化长程任务与真实生产力任务处理能力，提升思维链效率，并首次加入视觉理解能力；近期还将推出主打极致性价比的Hy4 Flash。同时腾讯发布跨应用AI协同体系Buddy One及面向Agent时代的腾讯网盘，并推动

Comfy-Org 发布 MiniMax-H3 的 ComfyUI 重打包模型

Comfy-Org 在 Hugging Face 上发布了 MiniMax-H3 的 ComfyUI 重打包模型文件，包含扩散模型、Qwen3-VL-32B 文本编码器、LoRA、VAE、ControlNet 补丁及 embeddings 等多类权重。该仓库提供 bf16、int8 convrot、fp8 scaled、nvfp4 awq 等多种量化版本，并

AtomicChat 发布 Qwen3.8-Flash-Next GGUF 量化版

AtomicChat 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 GGUF 量化版本，基于 Qwen 官方权重并使用自有重要性矩阵自行量化，校准语料公开。该模型为 177B 参数 MoE 多模态架构，其中 51B 参数为 n-gram 查找表，可常驻 SSD 而不进入内存，使 85GB 量化文件能在 64GB 内存的 M5

NVIDIA Nemotron 3.5 Super VL 登陆 AWS EKS 与 SageMaker HyperPod

NVIDIA 在 AWS 上发布 Nemotron 3.5 Super VL 多模态开源模型，该模型为 120B 参数 MoE 架构，每 token 激活 12B 参数，支持文本、图像、文档和视频输入，并公开权重、训练数据集和后训练配方。AWS 博客介绍了该模型在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod E

Elorian 发布视觉推理模型 Glimpse 与 DecoyCount 基准

Elorian 发布首个视觉推理模型 Glimpse，并联合 Mercor 推出 DecoyCount 基准，测试模型是真正计数物体还是依赖视觉捷径。论文显示前沿模型在该基准上准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%，而 Glimpse 内部测试得分为 50.48%。Elorian 由前 Google DeepMind 研究员

Bug0 发布 QA Agent：缓存 Playwright 回放实现回归测试自动化

Linearbytes 发布 Bug0 QA Agent，一个源码可获取的 Playwright 库，用于智能体式浏览器回归测试。该工具将自然语言测试指令映射为 UI 操作，并在首次成功后缓存为具体 Playwright 操作存入 Redis，后续运行直接回放以降低 LLM 延迟；UI 变更导致回放失败时自动失效缓存并重新调用多模态智能体。断言验证不缓存，每

Transformers v5.22.0 发布：支持 Mistral Large 4 万亿参数 MoE 模型

Transformers v5.22.0 发布，新增 Mistral Large 4（Le Chonk）模型支持。该模型是 Mistral 迄今最大最强的模型，约 1 万亿参数的原生多模态 MoE 架构，每 token 激活约 520 亿参数，支持 100 万 token 上下文、160 多种语言及可配置推理强度，采用修改版 MIT 的开放权重许可。此外该版

llama.cpp b11982：Hexagon 后端支持 UPSCALE 算子

llama.cpp 发布 b11982 版本，为 Hexagon 后端新增 UPSCALE 算子支持，包含基础实现及针对最近邻 2x/4x 与双线性 4x 的优化，并支持非连续行与维度折叠，改用 vgather 替代标量暂存，将内核选择逻辑移至主机侧。同时新增置换 UPSCALE 测试以覆盖 qwen3-vl 图像转文本场景，并同步提供 macOS、Linu

STEPX Neo 发布两周即迎首次升级，智能体能力持续释放

阶跃终端旗下大模型原生智能体手机 STEPX Neo 在发布两周后迎来首次升级，更新覆盖视频创作、生活服务、工作任务及底层体验优化。升级后用户可通过个人智能体阶跃 Amoo 调用剪映一句话生成 Vlog、获取支付宝神券并下单，复杂工作可交给 WorkBuddy 完成。文章称这体现了智能体能力随模型进化与生态拓展持续释放的演进路径。

商汤大装置蝉联中国MaaS私有化市场第二

IDC发布2026上半年中国企业级MaaS市场报告，中国MaaS市场规模达106.3亿元，同比增长近9倍；大模型私有化市场达28.8亿元，同比增长108.4%。商汤大装置以9.4%份额在该私有化市场稳居第二，通过端到端多模态解决方案和FDE模式覆盖城市治理、AIGC、具身智能等场景，并推出AI“123”交付法则。

Genspark 发布视频 Agent 工作台 Media Studio

Genspark 正式发布视频 Agent 工作台 Genspark Media Studio，接入 20 多家厂商的 70 多个模型版本，由大语言模型担任「导演」统筹剧本、分镜、图像、视频、音频与 3D 生成。量子位实测用其制作了奥特曼与 Dario 的 rap 视频、电影知识讲解片、AI 短剧《定价夜》及像素小游戏，全流程无需切换平台。该产品主打 All

Google Gen AI JavaScript SDK 发布 v2.32.0

Google 发布 Gen AI JavaScript SDK v2.32.0，新增 continuation token 与 requires continuation 支持、视频放大任务参数、interactions.create 的 automatic continuation 及 Interaction 上的 continuation ids 声明，

20人团队9个月用AI做出26万玩家买单的互动作品

约20人团队用9个月开发出超写实互动作品《不问凡尘》，上线三周在Steam获87%好评率、超26万玩家、预估近千万流水。项目依托火山引擎的Seedance、Seedream、Seed TTS等模型生成视频、图像和语音资产，并用TRAE与Agent工作流搭建自动化生产管线，制作成本约为传统方式的1/3。这验证了AI让小团队也能制作游戏，以及玩家愿意为AI深度参

Gemini 4 Carbon 登顶基准榜，面向网络安全防御者首发

Google DeepMind 发布 Gemini 4 Carbon，距上一代 Argon 仅两周，在 Artificial Analysis 综合基准上登顶第一，并在网络安全与长周期任务上被定位为最先进模型。该模型先通过 Fairwind Program 向可信网络安全防御者开放，开发者广泛访问时间未定。定价为每百万输入/输出 token 2/10 美元（

The Trinity：面向多模态智能体的能力驱动递归自我改进

论文提出 The Trinity 框架，通过 Creator、Explorer、Evolver 三个角色将环境生成与智能体进化耦合，实现多模态智能体的递归自我改进。Evolver 依据验证过的执行轨迹，把按表面类别组织的任务树重组为按共享能力需求组织的层级能力树，并引入 Capability-Driven Real2Sim2Real 方法。沿能力树进化的 H

另有 1 家信源报道

Ollama v0.40.13：LFM3 模型支持 Linux 和 Windows

Ollama 发布 v0.40.13 版本，使 Liquid AI 的 LFM3 系列模型（包括 lfm3-audio 和 lfm3-omni 的文本转语音能力）在 Linux 和 Windows 平台上可用，此前仅支持 Apple silicon。此次更新扩大了这些模型的本地运行平台范围。

LangChain4j 发布 1.23.0：新增决策智能体与 Ollama 模型

LangChain4j 发布 1.23.0 与 1.23.0-beta33 版本，新增 OllamaDecisionModel（支持图像）、决策智能体（decision agents）以及 Confidence Cascade 智能体模式，并引入 langchain4j-test 的 LLM 评判与断言能力。同时改进了可观测性（AiServiceInvoca

The Trinity：面向多模态智能体的能力驱动递归自我改进

该论文提出 The Trinity 框架，通过将任务组织为能力树、生成可验证的模拟训练世界，并路由专用 Harness 模块，实现多模态智能体的递归自我改进。框架包含 Creator、Explorer、Evolver 三个角色，将任务组织从表面类别转为共享能力需求。实验显示，进化后的 Harness 在 28 个训练基准上平均提升 34 分，在 18 个未见

另有 1 家信源报道